Self-Direction: agentes de IA que convierten sus errores en lecciones duraderas
Útil para
Los investigadores presentan Self-Direction, un método con el que un agente de IA analiza su propio fallo, extrae una lección y la destila en un adaptador ligero de bajo rango equivalente a alrededor del 0,02 % de los parámetros del modelo base. Los pesos originales permanecen congelados, de modo que el entrenamiento no sobrescribe las capacidades previas. Las lecciones se guardan en una biblioteca persistente y se aplican automáticamente a problemas relacionados. En pruebas con modelos abiertos de la familia Qwen en GAIA, Claw-Eval y Terminal-Bench 2.1, la tasa de éxito mejora entre 8,9 y 17,0 puntos porcentuales.
Qué significa
Los agentes podrían aprender de sus equivocaciones sin reentrenar el modelo completo, de modo que una lección aprendida en una tarea se reutilizaría en tareas parecidas más adelante.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- arXiv cs.AILeer la noticia completa en arXiv cs.AI